XXIII SEMINARIO NACIONAL DE HIDRÁULICA E HIDROLOGÍA
IBAGUÉ, 15 AL 17 DE AGOSTO DE 2018
CONSECUENCIAS DE UN FENÓMENO EL NIÑO PERMANENTE
SOBRE LA HIDROLOGÍA DE COLOMBIA EN UN MODELO CLIMÁTICO
DE COMPLEJIDAD INTERMEDIA
Mateo Duque-Villegas, Juan F. Salazar y Ángela M. Rendón
GIGA, Escuela Ambiental, Facultad de Ingeniería, Universidad de Antioquia, Calle 70 No. 52-21, Medellín, Colombia.
Correspondencia: [email protected].
RESUMEN
Actualmente se considera la posibilidad de que los modos naturales de variabilidad del sistema climático
terrestre cambien en respuesta a forzamientos antrópicos. Así la frecuencia y/o amplitud de eventos
extremos podrían aumentarse. Un fenómeno que pudiera verse alterado es El Niño-Oscilación del Sur,
cuyas distintas fases están estrechamente relacionadas con la hidro-meteorología colombiana. En este
trabajo nosotros evaluamos las posibles consecuencias de un escenario extremo de intensificación de El
Niño sobre la hidrología del norte de Sudamérica. Para esto utilizamos PlaSim, un modelo climático
global de complejidad intermedia. Tras evaluar el desempeño del modelo, nuestros resultados muestran
que un El Niño permanente podría causar una redistribución del balance hídrico global que daría un
nuevo régimen hidrológico más seco para Colombia. Estudios como este son importantes para la
planeación de estrategias de adaptación ante el cambio climático.
ABSTRACT
The possibility that natural modes of variability of the Earth’s climate system could change in response
to anthropogenic forcing has been recently discussed. Thus, the frequency and/or amplitude of extreme
events could increase. One phenomenon that could be altered is the El Niño-Southern Oscillation, which
phases are closely related to Colombia’s hydrometeorology. In this work we evaluate some plausible
consequences of an extreme intensification scenario of El Niño on the hydrology of northern South
America. For this we use PlaSim, a global climate model of intermediate complexity. Once model
validation was done, our results show that a permanent El Niño could cause a redistribution of the global
water budget, which would yield a new drier hydrological regime for Colombia. Studies such as this one,
are important to plan strategies for current climate change adaptation.
PALABRAS CLAVE: máximo déficit climatológico de agua, El Niño-Oscilación del Sur, PlaSim.
1. INTRODUCCIÓN
Algunos autores han sugerido la posibilidad de que el sistema climático terrestre o algunos de sus
componentes, posean puntos de inflexión o umbrales críticos que separan distintos estados de equilibrio
para el planeta (Lenton, et al., 2008). Es decir que pudieran existir puntos de no retorno para estos
sistemas, que una vez superados, significarían una climatología diferente a la actual. De ser así, entonces
las acciones antrópicas pudieran tener consecuencias irreversibles, que darían paso a nuevos modos de
variabilidad climática (Lenton, 2011; Barnosky, et al., 2012). Uno de estos componentes del clima
terrestre que pudiera verse alterado es El Niño-Oscilación del Sur (ENSO). Su amplitud o frecuencia
pudieran modificarse y esto tendría efectos tanto regionales como a escala global. Aunque no existe
evidencia definitiva de que el ENSO haya cambiado actualmente en respuesta al cambio climático (Cai,
et al., 2015; McPhaden, et al., 2006), proyecciones climáticas para mediados y finales del Siglo XXI, sí
muestran intensificación del ENSO, debido a posibles interacciones con forzamientos antropogénicos
(Cai, et al., 2014; Latif, et al., 2015; Timmermann, et al., 1999).
Las diferentes fases del ENSO y la hidro-climatología colombiana se encuentran estrechamente
relacionadas (Poveda, et al., 2011; Poveda, 2004). Es tanto así, que se ha encontrado que índices para la
denominación de las fases extremas del ENSO, son útiles también como predictores de los caudales de
algunos de los ríos en Colombia (Poveda, et al., 2002). Sequías durante El Niño e inundaciones durante
La Niña, traen consigo no solamente cambios en la hidrología del país, sino también fuertes impactos
económicos y sociales (Bedoya-Soto, et al., 2018). De esta manera se hace importante entender cuáles
serían los posibles efectos en Colombia, que tendrían cambios en la variabilidad natural del ENSO.
En este trabajo utilizamos el The Planet Simulator (PlaSim; Fraedrich, et al., 2005a,b), un modelo
climático global de complejidad intermedia, para investigar las potenciales consecuencias que traería
para Colombia un fenómeno El Niño permanente. Para esto se hace una breve evaluación del desempeño
del modelo y posteriormente se utiliza una medida de déficit hídrico climatológico para discutir el posible
impacto sobre los ecosistemas terrestres colombianos en dicho escenario.
2. METODOLOGÍA
2.1. MODELO CLIMÁTICO PLASIM
PlaSim es un modelo climático de complejidad intermedia (Fraedrich, et al., 2005a,b). Este tipo de
modelos utilizan una baja resolución tanto espacial como temporal, de tal modo que sea
computacionalmente eficiente la inclusión de la mayoría de componentes del sistema climático y
mecanismos de retroalimentación entre ellos (Claussen, et al., 2002). El componente dinámico de PlaSim
es un modelo espectral de circulación general de la atmósfera, que resuelve las ecuaciones primitivas
atmosféricas con humedad, conservando así la cantidad de movimiento, masa y energía. Los procesos
que no pueden ser resueltos dada la baja resolución, como la radiación, convección húmeda y seca, flujos
de calor latente y sensible, son parametrizados (Lunkeit, et al., 2011). El modelo atmosférico se encuentra
acoplado a un modelo de superficie terrestre de cinco capas que parametriza temperaturas y posee un
esquema de tanques para la hidrología superficial (Sausen, et al., 1994). También posee un modelo de
vegetación dinámica que interacciona con la atmósfera y superficie con las variables albedo, rugosidad
aerodinámica y la capacidad de campo (Kleidon, 2006).
El océano puede también representarse con modelos dinámicos (Maier-Reimer, et al., 1993) o con valores
prescritos de la temperatura superficial del mar. En cuanto al hielo marino, un modelo termodinámico
cero-dimensional con correcciones de flujo puede ser utilizado (Semtner Jr, 1976). Para una descripción
más detallada del modelo se refiere al lector a Lunkeit, et al. (2011). Este modelo ha sido utilizado
previamente en experimentos de sensibilidad del clima terrestre a cambios en orografía (Garreaud, et al.,
2010), vegetación (Kleidon, 2006) y de parámetros orbitales (Lucarini, et al., 2010), además de ser
utilizado estudios paleo-climáticos (Spiegl, et al., 2015).
2.2. EXPERIMENTOS
PlaSim fue utilizado con una resolución espectral horizontal de T21 (aproximadamente 5.6° en latitud y
longitud) y con diez niveles σ atmosféricos. Aunque esta resolución es muy gruesa, esta permite una
representación realista de la circulación atmosférica planetaria (Linsenmeier, et al., 2015). Todas las
simulaciones se integraron por 500 años a pasos de tiempo de 40 minutos. Simulaciones tan largas le
permiten al modelo alcanzar un estado de equilibrio (Lucarini, et al., 2010), el cual caracterizamos con
solo los últimos 30 años de simulación. La constante solar y concentración atmosférica de dióxido de
carbono se fijaron en valores observados actuales de 1365 W m-2 y 360 ppmv respectivamente. Las demás
constantes físicas y parámetros se mantuvieron en sus valores por defecto (Fraedrich, et al., 2005b). Se
utilizó el módulo de vegetación dinámica para incluir la variación de la productividad primaria en
ecosistemas terrestres. Para el hielo marino se utilizó el modelo cero-dimensional con correcciones de
flujo con base en la climatología. En cuanto al océano, se utilizaron valores prescritos de SST que
sirvieron para definir dos escenarios de simulación: uno de ConTroL (CTL) y otro con un fenómeno El
Niño Permanente (PEN). Las diferencias entre los escenarios están enteramente determinadas por esta
condición de frontera de temperaturas. Adicionalmente, debido a la naturaleza caótica del clima
planetario, fue importante evaluar la posibilidad de caos en nuestras simulaciones, para lo cual se hicieron
tres simulaciones conjuntas para cada escenario en las que se hicieron perturbaciones en el campo de
presión superficial inicial (como en Kunz, et al. (2009)). Los resultados fueron comparados utilizando
pruebas t de Student con un nivel de significancia de α = 0.05 y 30 grados de libertad (correspondientes
a los 30 años de simulación promediados).
2.2.1. ESCENARIO CTL
Este escenario fue planteado para valorar la capacidad del modelo de representar la climatología actual
del planeta. Para este, se tomaron los valores de SST derivados de observaciones de la segunda fase del
Proyecto de Inter-comparación de Modelos Atmosféricos (AMIP II) para el periodo 1979-2010 (Hurrell,
et al., 2008). Adicionalmente, para la evaluación del modelo, se tomaron variables climáticas de
diferentes bases de datos que se muestran en la Tabla 1. Todas estas variables fueron llevadas a la
Tabla 1.- Datos derivados de observaciones utilizados para la evaluación del escenario CTL de PlaSim.
Cantidad Base de
datos
Institución Periodo Resolución
original
Referencia
Temperatura del aire
cerca de la superficie
HadCRUT4
v.4.6.0
Met Office Hadley Centre,
CRU, University of East
Anglia
1988-2017 5°×5° Morice, et al.
(2012)
Precipitación GPCP v.2.3 WCRP/GEWEX 1987-2016 2.5°×2.5° Adler, et al.
(2003)
Presión atmosférica
media a nivel del mar
HadSLP2 Met Office Hadley Centre 1979-2004 5°×5° Allan & Ansell,
(2006)
Producción primaria
bruta
MOD17A2
v.55
Numerical Terradynamic
Simulation Group, University
of Montana
2000-2015 1 km Zhao, et al.,
(2005)
Campos de viento,
temperatura, presión,
radiación, precipitación y
evaporación.
ERA-
Interim
ECMWF 1987-2016 2.5°×2.5° Dee, et al., (2011)
resolución del modelo siguiendo las recomendaciones de Taylor, et al. (2000). Adicionalmente para la
evaluación de los balances de energía y agua se utilizó como referencia el trabajo de Trenberth, et al.
(2011).
2.2.2. ESCENARIO PEN
Para este escenario se fijaron los valores de temperatura superficial del mar con el ciclo anual para el año
hidrológico entre mayo del 2015 y junio del 2016, tomado también de la base de datos de AMIP II. Este
ha sido el evento El Niño más fuerte registrado hasta la fecha, superando los eventos del Siglo anterior
de los años 1982-1983 y 1997-1998 (Jiménez-Muñoz, et al., 2016). La diferencia entre los valores
prescritos para los experimentos CTL y PEN se muestra en la Figura 1. La climatología de la temperatura
superficial del mar para el escenario PEN tiene un sesgo promedio anual global positivo de 0.4 °C. Este
sesgo es aún más positivo en la región del Océano Pacífico ecuatorial con 0.8 °C.
3. RESULTADOS
Debido a que PlaSim es un modelo de circulación general de la atmósfera, los resultados en primera
instancia se presentan para todo el planeta. Posteriormente se hace un breve análisis de cómo representa
PlaSim la hidro-climatología colombiana, teniendo en cuenta la limitación de la resolución espacial que
es muy gruesa para diferenciar la heterogeneidad espacial del país.
3.1. EVALUACIÓN DEL MODELO
El primer paso en la valoración del clima simulado en PlaSim fue analizar la conservación en los balances
planetarios de energía y agua. Estos resultados se muestran en la Tabla 2 junto con los valores estimados
a partir de información de ERA-Interim y además los valores de referencia reportados en Trenberth,
Fasullo y Mackaro (2011; TFM11 en adelante). En términos generales el modelo llega a una distribución
del balance de radiación similar a los datos derivados de observaciones. Como había sido reportado
previamente (Lucarini, et al., 2010), el desbalance en el tope de la atmósfera de PlaSim, es más pequeño
que el observado en las otras fuentes de datos. Aun así, el modelo sobreestima la radiación solar reflejada
al espacio, tanto en la superficie como en el tope de la atmósfera. Esto puede estar relacionado con
problemas en la representación del albedo en el modelo. Adicionalmente, el flujo de calor sensible en el
modelo está por encima de los valores habituales, aunque las relaciones de Bowen para las tres fuentes
de datos son similares. Estos sesgos pueden estar relacionados también con los valores prescritos para la
rugosidad aerodinámica en la superficie, que es un problema ya reportado para el re-análisis ERA-Interim
(Yang, et al., 2002).
Figura 1.- Promedio anual de las climatologías de temperatura superficial del mar prescritas (a) en las
simulaciones CTL y PEN, y (b) su diferencia absoluta.
En el balance de agua es importante destacar que PlaSim conserva las propiedades elementales del ciclo
hidrológico terrestre: mayor evaporación que precipitación en los océanos y mayores tasas de
precipitación que de evapotranspiración en los continentes. Aunque en este caso las desviaciones entre
los valores de PlaSim y las fuentes consultadas tienen magnitudes mayores (que en el balance energético),
estos se encuentran dentro del rango de incertidumbre que muestran los resultados para más bases de
datos en TFM11.
La distribución espacial de algunas variables climáticas importantes como temperatura cercana a la
superficie, precipitación media diaria, productividad primaria bruta y presión superficial a nivel del mar,
el modelo tiene resultados similares a los datos derivados de observaciones. Esto se muestra en forma de
promedios zonales para estas variables en la Figura 2. Para la temperatura se observa que el modelo tiene
un sesgo negativo, pero aun así conserva el patrón de temperaturas altas cerca al ecuador y disminución
hacia los polos. En latitudes donde se ubican cadenas montañosas altas como los Andes y el Himalaya,
se puede observar que las diferencias son más notables, esto debido a que la resolución del modelo es
muy gruesa para incluir efectos orográficos. El promedio global anual de temperatura en PlaSim CTL
fue de 14.1 °C mientras que para HadCRUT4 fue 14.4 °C. En cuanto a la precipitación, se observa
inmediatamente en la Figura 2b que, en términos generales, PlaSim se acerca a la distribución latitudinal
de los datos observacionales. Aunque esta es subestimada en el ecuador y en latitudes australes, se
conserva un patrón similar al observado: máximo pico en el centro asociado a la Zona de Convergencia
Inter-Tropical (ZCIT) y máximos locales en latitudes medias asociados a sistemas convectivos de escala
Tabla 2.- Resultados para los balances de energía y agua en las simulaciones de PlaSim.
PlaSim CTL ERA-Interim TFM11 PlaSim PEN
Balance de energía (W m-2)
Tope de la atmósfera:
Radiación solar entrante 341.3 344.2 341.3 341.3
Radiación solar saliente 109.0 100.2 101.9 108.7
Radiación térmica saliente 233.0 245.5 238.5 234.1
Balance neto de radiación -0.8 -1.4 0.9 -1.7
Superficie:
Radiación solar absorbida 163.5 163.9 161.2 163.6
Radiación solar reflejada 25.6 23.8 23.1 25.5
Radiación térmica saliente 393.0 398.0 396.0 396.0
Radiación térmica entrante 331.0 341.7 333.0 334.4
Flujo de calor latente 82.3 83.8 80.0 83.3
Flujo de calor sensible 19.0 17.6 17.0 19.3
Balance de agua (1000 km3 año-1)
Continentes:
Precipitación 126.4 115.7 114.0 122.9
Evapotranspiración 98.6 86.6 74.0 96.8
Flujo neto 27.8 29.1 40.0 26.1
Océanos:
Precipitación 402.5 425.7 386.0 412.3
Evaporación 430.3 452.0 426.0 438.4
Flujo neto 27.8 26.3 40.0 26.1
Atmósfera: 13.4 12.5 12.7 13.8
sinóptica. Así como también bajas tasas de precipitación en los polos. El promedio anual global de
precipitación para GPCP fue de 2.8 mm día-1 mientras que para PlaSim fue de 2.7 mm día-1.
A pesar de las simplificaciones en el modelo de vegetación dinámica, los resultados para esta variable
son también favorables para PlaSim. En este el promedio global anual fue de 0.8 kg C m-2 año-1, que es
muy cercano al calculado para MODIS de 1.0 kg C m-2 año-1. Aunque existen diferencias entre los datos
derivados de MODIS y PlaSim, emerge el mismo comportamiento de alta productividad en el ecuador y
más baja en los extra-trópicos. También muestran consistencia los resultados de CTL en la ubicación de
los desiertos subtropicales. Para la presión superficial a nivel del mar se puede observar la presión baja
en los trópicos, relacionada con la ZCIT, así como también las bandas de alta presión en latitudes medias
correspondientes a los chorros subtropicales.
En resumen, PlaSim conserva adecuadamente los patrones de escala global para el planeta en algunas de
las variables climáticas más representativas. A pesar de la resolución gruesa y la representación
simplificada de los componentes climáticos, el modelo logra una representación realista del clima
planetario observado. Nuestros resultados son consistentes con investigaciones previas en las que se ha
evaluado también satisfactoriamente a PlaSim (por ejemplo, Garreaud, et al. (2010) y Lucarini, et al.
(2017)).
3.2. HIDRO-METEOROLOGÍA COLOMBIANA EN PLASIM
Para evaluar la representatividad de PlaSim para el clima de Colombia, es importante tener en cuenta que
el modelo opera a una escala espacial gruesa que limita la inclusión de los efectos orográficos que tienen
sus tres ramales de la cordillera de los Andes y que son también moduladores de su hidro-meteorología.
Figura 2.- Resultados de la simulación CTL comparados con bases de datos derivadas de observaciones:
promedios anuales zonales de (a) temperatura cercana a la superficie en CTL, HadCRUT4 y ERA-Interim, (b)
precipitación diaria en CTL, GPCP y ERA-Interim, (c) producción primaria bruta en CTL y MODIS, y (d)
presión atmosférica a nivel del mar en CTL, HadSLP2 y ERA-Interim.
Sin embargo, se ha demostrado en la sección anterior que el modelo sí conserva aquellos patrones macro-
climáticos dominantes que también influyen en el clima de Colombia. Uno de estos patrones importantes
es la migración meridional de la ZCIT, que es el mecanismo físico más influyente en el ciclo anual de
lluvias en el país (Poveda, 2004). Este cinturón de nubes pasa dos veces sobre parte del territorio
colombiano, lo que resulta en ciclos anuales con patrones bimodales con picos de lluvias en marzo-abril-
mayo (MAM) y septiembre-octubre-noviembre (SON). En PlaSim, la precipitación diaria promedio
anual para Colombia se muestra en el panel superior de la Figura 3a, que es menor a la que se observa en
GPCP según el panel inferior de diferencia absoluta. Esto es consistente con lo que se muestra en la
Figura 3b, que son diagramas de Hovmöller que permiten ver la migración de la ZCIT en la longitud 73°
W que queda cerca del centro de Colombia. Se muestra cómo PlaSim no simula adecuadamente la
primera temporada de lluvias del país, que según la base de datos de GPCP, es la más pronunciada a lo
largo del año. De modo que el ciclo anual de precipitación para Colombia en PlaSim, no describe un
comportamiento bimodal. Esta dificultad para representar la precipitación del primer semestre del año
en esta región ya ha sido reportada incluso para los modelos climáticos más sofisticados (Sierra, et al.,
2015). A pesar de esto, en PlaSim sí se conserva el segundo pico de precipitación en SON.
Otros fenómenos atmosféricos influyentes en la climatología de Colombia son las corrientes de chorro
de bajo nivel del Chocó y del Caribe (Poveda & Mesa, 1999). Ambas corrientes transportan humedad
hacia el interior del continente en el norte de Sudamérica, y su interacción con la topografía accidentada
de Colombia, favorece la convección profunda que genera lluvias en las regiones Pacífica y Caribe del
país. En la Figura 4 se muestran los vientos zonales a 925 hPa para dos longitudes cercanas al núcleo de
cada una de estas corrientes de chorro superficiales. En el caso del chorro del Chocó (Figura 4a), se
muestra el diagrama de Hovmöller para la longitud de 79° W. Los datos derivados de observaciones de
ERA-Interim muestran una banda de velocidad del viento en la dirección este (desde el oeste hacia
Colombia) alrededor de la latitud de 4° N que se mantiene para todos los meses del año, pero es más
fuerte para los meses de SON. Esto corresponde con las características reportadas del chorro del Chocó.
Figura 3.- Resultados de precipitación en la simulación CTL para el norte de Sudamérica. En (a) se puede ver
en el panel superior el promedio anual de lluvia en CTL, y en el inferior la diferencia absoluta con la base de
datos GPCP. En (b) se muestra el ciclo anual promedio de la precipitación para un corte meridional para la
longitud 73° W en el centro de Colombia tanto para CTL como para GPCP. En (b) se señalan las latitudes
extremas de Colombia.
En este caso la Figura 4a muestra que PlaSim no es capaz de simular esta corriente de chorro para gran
parte del año, pero sí ubica la corriente en su punto máximo en la temporada SON. Por su parte la Figura
4b muestra los resultados de viento zonal a 925 hPa para una longitud más al este de Colombia en el Mar
Caribe. De nuevo los resultados de ERA-Interim concuerdan con la ubicación de una corriente de chorro
más veloz en dirección oeste (desde el este hacia Colombia) entre las latitudes 12° N y 15° N. Esta
corriente de chorro en el Caribe predomina durante todo el año, con mayor fuerza en el primer semestre,
pero su pico máximo ocurre entre junio y julio. De igual manera que para la corriente del Chocó, PlaSim
solo resuelve la corriente del Caribe durante su desarrollo más fuerte, que en este caso incluye la primera
mitad del año.
3.3. EFECTOS DE EL NIÑO PERMANENTE SIMULADO
En términos de los balances de energía y agua (ver Tabla 2), nuestro escenario PEN resultó en un planeta
que absorbe mayor radiación de onda corta y emite más radiación térmica. Esto no es balanceado en el
modelo y por ende incrementa el desbalance energético en el tope de la atmósfera. Cambios en la
Figura 4.- Resultados de viento zonal promedio anual en la simulación CTL a 925 hPa. Cortes meridionales
para la (a) longitud 79° W cerca de la región Pacífica colombiana y para la (b) longitud 68° W hacia la región
Caribe del país.
cobertura de hielo y en el albedo planetario pueden explicar por qué se refleja menos de la radiación
solar. Para el agua, se observó un desplazamiento de esta hacia los océanos, por lo que se redujeron la
lluvia y la evapotranspiración en los continentes. Esto puede explicarse con los cambios en los campos
de vientos sobre el Océano Pacífico (circulación de Walker) que son típicos durante condiciones El Niño,
y que retienen mayor cantidad de humedad sobre el océano. Además, el aumento de temperatura en la
superficie del mar puede también relacionarse con un aumento en la temperatura de la atmósfera global,
que entonces retuvo mayor cantidad de vapor de agua.
En la Figura 5 se muestran los resultados en algunas variables climáticas para la simulación PEN solo
para las regiones continentales. Se encontraron diferencias estadísticamente significativas entre ambas
simulaciones, que sucedieron principalmente en latitudes tropicales. En la Figura 5a se puede ver el
aumento generalizado de la temperatura en los continentes en el escenario PEN, y como las mayores
desviaciones se observan cerca del ecuador, especialmente en el hemisferio sur. La situación es similar
para la precipitación (Figura 5b), aunque en este caso algunas latitudes al norte del ecuador también
tienen reducciones. El efecto combinado de aumento en las temperaturas y reducción en la precipitación
se hace más claro al ver la producción primaria bruta para este escenario, que tuvo reducciones
estadísticamente significativas en los trópicos en ambos hemisferios. Los cambios en la presión
superficial producto de la Oscilación del Sur permanente no se notan muy pronunciados en los promedios
zonales.
Figura 5.- Resultados para la simulación PEN comparados con la simulación CTL: promedios zonales anuales
para (a) temperatura del aire cercana a la superficie, (b) precipitación diaria, (c) producción primaria bruta y (d)
presión atmosférica a nivel del mar. (a), (b) y (c) se muestran solo para valores terrestres para los cuales no se
muestra la Antártida (menor a 60° S).
Se encontraron diferencias estadísticamente significativas en los ciclos anuales de los fenómenos
atmosféricos que afectan la hidrología colombiana. La Figura 6a muestra que El Niño permanente en
nuestro escenario ha disminuido la precipitación diaria media en el centro de Colombia durante la
temporada SON, que había sido simulada adecuadamente en CTL. Así mismo en las Figura 6b y Figura
6c se muestra el debilitamiento de las corrientes de chorro habituales bajo condiciones El Niño. Es de
notar que los cambios más grandes y significativos estadísticamente ocurrieron en los meses y lugares
en los que la simulación CTL presentó resultados similares a los de observaciones.
4. DISCUSIÓN
Nuestros resultados muestran que un fenómeno El Niño permanente traería temperaturas más altas a los
continentes de las regiones tropicales, así como también reducciones grandes en la precipitación anual
media (PAM). Este forzamiento hacia condiciones más calientes y secas en los trópicos podría poner en
riesgo los ecosistemas terrestres. Para evaluar este riesgo en nuestro escenario PEN, utilizamos el
máximo déficit climatológico de agua (MCWD) descrito por Aragao, et al. (2007), que es una medida
indirecta del estrés que pueden experimentar ecosistemas terrestres en temporadas largas de sequía y que
ha sido relacionada con su degradación a causa de fallo hidráulico en los tejidos vasculares de las plantas
(Leitold, et al., 2018) y deforestación (Costa & Pires, 2010). Para el cálculo de MCWD nosotros
seguimos una metodología similar a Malhi, et al. (2009), aunque en este caso no se podía asumir que la
evapotranspiración media para las zonas continentales tropicales era un solo valor fijo. Así que utilizamos
el valor promedio en cada celda, de evapotranspiración para la simulación CTL, que sería su valor
esperado o de referencia.
Los resultados de MCWD para Colombia se muestran en la Figura 7a. Como referencia, también se
muestran además los mapas de diferencias absolutas en PAM y MCWD entre ambos escenarios (Figura
7b y c, respectivamente). Según esto, los tres pixeles que recorren Colombia de norte a sur en el modelo
se desplazan hacia condiciones más áridas, similares a las de la sabana (como el Cerrado en Brasil). En
el trabajo de Malhi, et al. (2009), el desplazamiento hacia la esquina inferior izquierda del gráfico de
MCWD contra PAM, es indicativo de la transición de ecosistemas boscosos a sabanas. Así que un El
Niño permanente pudiera llevar los bosques tropicales colombianos hacia la sabanización.
Figura 6.- Resultados de diferencias para la simulación PEN con respecto a la simulación CTL. Cortes
meridionales para (a) diferencia de precipitación media diaria en la longitud 73° W, (b) viento zonal a 925 hPa
en 79° W y en (c) 68° W. Solo se muestran las diferencias significativas con α=0.05.
5. CONCLUSIONES
Este trabajo ha aportado evidencia sobre la capacidad de PlaSim de simular el clima planetario actual,
así como también es el primero en estudiar la hidro-climatología colombiana con este. Los resultados
para Colombia muestran que PlaSim es bueno representando solo una parte del ciclo anual de
precipitación y de campos de vientos, y que presenta deficiencias en la representación de la migración
de la ZCIT sobre el país. En cuanto a los efectos de un El Niño permanente para Colombia, se encontró
que los ecosistemas corren el riesgo de sufrir una transición de coberturas de bosque a coberturas de
sabana.
REFERENCIAS
Adler, R. F. et al. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly
Precipitation Analysis (1979-Present). Journal of Hydrometeorology, Volume 4, pp. 1147-1167.
Allan, R. & Ansell, T. (2006). A New Globally Complete Monthly Historical Gridded Mean Sea Level
Pressure Dataset (HadSLP2): 1850-2004. Journal of Climate, Volume 19, pp. 5816-5842.
Aragao, L. E. O. C. et al. (2007). Spatial Patterns And Fire Response Of Recent Amazonian Droughts.
Geophysical Research Letters, Volume 34.
Barnosky, A. D. et al. (2012). Approaching A State Shift In Earth's Biosphere. Nature, Volume 486, pp.
52-58.
Figura 7.- Resultados de la simulación PEN. (a) cambios de las condiciones climáticas para Colombia según el
MCWD y PAM, y diferencias absolutas entre los escenarios CTL y PEN para (b) PAM y (c) MCWD. Los
colores en el panel (a) hacen referencia a reducciones en las variables por encima del 10% de su valor en la
simulación CTL. Es decir que “mucho mayor” es un aumento del déficit en PEN superior al 10% del valor que
tenía en CTL.
Bedoya-Soto, J. M., Poveda, G., Trenberth, K. E. & Vélez-Upegui, J. J. (2018). Interannual
hydroclimatic variability and the 2009-2011 extreme ENSO phases in Colombia: from Andean glaciers
to Caribbean lowlands. Theoretical and Applied Climatology, pp. 1-14.
Cai, W. et al. (2014). Increasing Frequency Of Extreme El Niño Events Due To Greenhouse Warming.
Nature climate change, Volume 4, pp. 111-116.
Cai, W. et al. (2015). ENSO And Greenhouse Warming. Nature Climate Change, Volume 5, pp. 849-
859.
Claussen, M. et al. (2002). Earth System Models Of Intermediate Complexity: Closing The Gap In The
Spectrum Of Climate System Models. Climate dynamics, Volume 18, pp. 579-586.
Costa, M. H. & Pires, G. F. (2010). Effects Of Amazon And Central Brazil Deforestation Scenarios On
The Duration Of The Dry Season In The Arc Of Deforestation. International Journal of Climatology,
Volume 30, pp. 1970-1979.
Dee, D. P. et al. (2011). The ERA-Interim Reanalysis: Configuration And Performance Of The Data
Assimilation System. Quarterly Journal of the Royal Meteorological Society, Volume 137, pp. 553-597.
Fraedrich, K. et al. (2005a). The Planet Simulator: Towards A User Friendly Model. Meteorologische
Zeitschrift, Volume 14, pp. 299-304.
Fraedrich, K., Jansen, H., Kirk, E. & Lunkeit, F. (2005b). The Planet Simulator: Green Planet And
Desert World. Meteorologische Zeitschrift, Volume 14, pp. 305-314.
Garreaud, R. D., Molina, A. & Farias, M. (2010). Andean Uplift, Ocean Cooling And Atacama
Hyperaridity: A Climate Modeling Perspective. Earth and Planetary Science Letters, Volume 292, pp.
39-50.
Hurrell, J. W. et al. (2008). A New Sea Surface Temperature And Sea Ice Boundary Dataset For The
Community Atmosphere Model. Journal of Climate, Volume 21, pp. 5145-5153.
Jiménez-Muñoz, J. C. et al. (2016). Record-Breaking Warming And Extreme Drought In The Amazon
Rainforest During The Course Of El Niño 2015-2016. Scientific Reports, Volume 6, p. 33130.
Kleidon, A. (2006). The Climate Sensitivity To Human Appropriation Of Vegetation Productivity And
Its Thermodynamic Characterization. Global and Planetary Change, Volume 54, pp. 109-127.
Kunz, T., Fraedrich, K. & Lunkeit, F. (2009). Response Of Idealized Baroclinic Wave Life Cycles To
Stratospheric Flow Conditions. Journal of the Atmospheric Sciences, Volume 66, pp. 2288-2302.
Latif, M., Semenov, V. A. & Park, W. (2015). Super El Niños in response to global warming in a
climate model. Climatic Change, Volume 132, pp. 489-500.
Leitold, V. et al. (2018). El Niño Drought Increased Canopy Turnover In Amazon Forests. New
Phytologist.
Lenton, T. M. (2011). Early Warning Of Climate Tipping Points. Nature Climate Change, Volume 1,
pp. 201-209.
Lenton, T. M. et al. (2008). Tipping Elements In The Earth's Climate System. Proceedings of the
National Academy of Sciences, Volume 105, pp. 1786-1793.
Linsenmeier, M., Pascale, S. & Lucarini, V. (2015). Climate Of Earth-Like Planets With High
Obliquity And Eccentric Orbits: Implications For Habitability Conditions. Planetary and Space Science,
Volume 105, pp. 43-59.
Lucarini, V., Fraedrich, K. & Lunkeit, F. (2010). Thermodynamic Analysis Of Snowball Earth
Hysteresis Experiment: Efficiency, Entropy Production And Irreversibility. Quarterly Journal of the
Royal Meteorological Society, Volume 136, pp. 2-11.
Lucarini, V., Ragone, F. & Lunkeit, F. (2017). Predicting Climate Change Using Response Theory:
Global Averages And Spatial Patterns. Journal of Statistical Physics, Volume 166, pp. 1036-1064.
Lunkeit, F. et al. (2011). Planet Simulator Reference Manual Version 16. Meteorologisches Institut,
Universität Hamburg.
Maier-Reimer, E., Mikolajewicz, U. & Hasselmann, K. (1993). Mean circulation of the Hamburg LSG
OGCM and its sensitivity to the thermohaline surface forcing. Journal of Physical Oceanography,
Volume 23, pp. 731-757.
Malhi, Y. et al. (2009). Exploring The Likelihood And Mechanism Of A Climate-Change-Induced
Dieback Of The Amazon Rainforest. Proceedings of the National Academy of Sciences, Volume 106,
pp. 20610-20615.
McPhaden, M. J., Zebiak, S. E. & Glantz, M. H. (2006). ENSO As An Integrating Concept In Earth
Science. Science, Volume 314, pp. 1740-1745.
Morice, C. P., Kennedy, J. J., Rayner, N. A. & Jones, P. D. (2012). Quantifying Uncertainties In
Global And Regional Temperature Change Using An Ensemble Of Observational Estimates: The
HadCRUT4 Data Set. Journal of Geophysical Research: Atmospheres, Volume 117, pp. 1-22.
Poveda, G. (2004). La hidroclimatología de Colombia: una síntesis desde la escala inter-decadal hasta
la escala diurna. Revista de la Academia Colombiana de Ciencias Exactas, Fı́sicas y Naturales, Volume
28, pp. 201-222.
Poveda, G., Alvarez, D. M. & Rueda, O. A. (2011). Hydro-climatic variability over the Andes of
Colombia associated with ENSO: a review of climatic processes and their impact on one of the Earth’s
most important biodiversity hotspots. Climate Dynamics, Volume 36, pp. 2233-2249.
Poveda, G. & Mesa, O. (1999). La corriente de chorro superficial del Oeste (“del Chocó”) y otras dos
corrientes de chorro en Colombia: climatología y variabilidad durante las fases del ENSO”. Revista
Académica Colombiana de Ciencia, Volume 23, pp. 517-528.
Poveda, G. et al. (2002). Influencia de fenómenos macroclimáticos sobre el ciclo anual de la hidrología
colombiana: cuantificación lineal, no lineal y percentiles probabilísticos. Meteorología Colombiana,
Volume 6, pp. 121-130.
Sausen, R., Schubert, S. & Dümenil, L. (1994). A model of river runoff for use in coupled atmosphere-
ocean models. Journal of Hydrology, Volume 155, pp. 337-352.
Semtner Jr, A. J. (1976). A model for the thermodynamic growth of sea ice in numerical investigations
of climate. Journal of Physical Oceanography, Volume 6, pp. 379-389.
Sierra, J. P., Arias, P. A. & Vieira, S. C. (2015). Precipitation over northern South America and its
seasonal variability as simulated by the CMIP5 models. Advances in Meteorology, Volume 2015, pp. 1-
22.
Spiegl, T. C., Paeth, H. & Frimmel, H. E. (2015). Evaluating Key Parameters For The Initiation Of A
Neoproterozoic Snowball Earth With A Single Earth System Model Of Intermediate Complexity. Earth
and Planetary Science Letters, Volume 415, pp. 100-110.
Taylor, K. E., Williamson, D. & Zwiers, F. (2000). The sea surface temperature and sea-ice
concentration boundary conditions for AMIP II simulations, Lawrence Livermore National Laboratory,
University of California.
Timmermann, A. et al. (1999). Increased El Niño Frequency In A Climate Model Forced By Future
Greenhouse Warming. Nature, Volume 398, pp. 694-697.
Trenberth, K. E., Fasullo, J. T. & Mackaro, J. (2011). Atmospheric Moisture Transports From Ocean
To Land And Global Energy Flows In Reanalyses. Journal of Climate, Volume 24, pp. 4907-4924.
Yang, K. et al. (2002). Improvement of Surface Flux Parametrizations With A Turbulence-Related
Length. Quarterly Journal of the Royal Meteorological Society, Volume 128, pp. 2073-2087.
Zhao, M., Heinsch, F. A., Nemani, R. R. & Running, S. W. (2005). ImprovementS Of The MODIS
Terrestrial Gross And Net Primary Production Global Data Set. Remote Sensing of Environment, Volume
95, pp. 164-176.